強浩 戴巧云 吳柯 杜健 殷新博 陳琛

摘要：隨著經(jīng)濟的發(fā)展，人們對電力的需求逐漸增大，用戶的竊電行為成為不容忽視的問題。基于大數(shù)據(jù)，開展了變結構BP神經(jīng)網(wǎng)絡竊電用戶識別技術的研究：首先，根據(jù)用戶所在線路參數(shù)、用戶用電參數(shù)等建立用戶用電評價指標體系;其次，基于不同線路用戶的實際采集數(shù)據(jù)構建BP神經(jīng)網(wǎng)絡，實現(xiàn)對該用戶的用電評價;最后，通過算例驗證該方法能有效提高竊電疑似用戶的識別效率。

關鍵詞：大數(shù)據(jù);BP神經(jīng)網(wǎng)絡;變結構;防竊電

人們對電力的需求隨著時代與科技的進步而逐漸增加，電力生產同樣也隨著市場對電力的需求而不斷發(fā)展。與此同時，用戶的竊電行為成為不容忽視的問題，其每年都會導致電力生產部門蒙受巨大的經(jīng)濟損失。更為重要的是，竊電用戶往往會通過破壞電力設施來進行竊電，在這種情況下，遭到破壞的電力設施除了直接造成電力生產部門的經(jīng)濟損失外，還很可能會由于電線外露等問題而導致觸電事故以及電氣火災事故等的發(fā)生，從而造成人員傷亡事故和其他重大災害事故等。

目前，為了識別竊電用戶以便采取相關的措施，大多數(shù)電力生產部門采用的方法基本都是進行線路、用戶用電數(shù)據(jù)的對比;然而，由于用戶的用電數(shù)據(jù)海量且種類繁多，竊電手段也多樣，傳統(tǒng)比對方法不僅耗時耗力，且精準度也不高，尤其對于一些先進的竊電技術沒有很好的識別手段，因而要識別疑似竊電用戶是有很大難度的。[1-3]

人工神經(jīng)網(wǎng)絡是一種成熟的非線性分析工具，可以對于大量的現(xiàn)場數(shù)據(jù)利用其自學習功能進行在線訓練，從而提高計算精度。[4]隨著技術的發(fā)展，傳統(tǒng)神經(jīng)網(wǎng)絡越來越多地應用于電力系統(tǒng)的各個方面，如：電力系統(tǒng)負荷預測、電力系統(tǒng)運行優(yōu)化、電力系統(tǒng)保護與控制、電力系統(tǒng)故障定位和故障診斷、電力變壓器狀態(tài)監(jiān)測、小電流接地系統(tǒng)綜合智能選線等。[5-8]

本文主要通過構建BP神經(jīng)網(wǎng)絡進行竊電疑似用戶的識別。首先，根據(jù)竊電方式、用戶信息采集系統(tǒng)數(shù)據(jù)，建立用戶用電評價指標體系;其次，根據(jù)實際檢測線路及用戶的具體參數(shù)構建BP神經(jīng)網(wǎng)絡，用來評價該用戶的用電狀態(tài);最后，用算例驗證該方法識別竊電用戶的有效性。

1? ? 用戶用電評價指標體系

一旦有用戶實施竊電行為，該線路的線損將變得不正常，此外，線路上其他參數(shù)及用戶自身的用電參數(shù)也將有所變化。當然，用戶用電參數(shù)的特征也和季節(jié)、所在臺區(qū)及用戶類型等因素相關;因此，建立用戶用電評價指標體系，主要利用用電信息采集系統(tǒng)的數(shù)據(jù)，結合計量類型（發(fā)電、電網(wǎng)、用電等）、季節(jié)（春秋、冬、夏）、日電量、月電量、最大線損值、所在臺區(qū)線損、三相不平衡率、功率因數(shù)以及用電類型（大、中、小）等，提取特征量，為進行用戶用電行為數(shù)據(jù)挖掘分析奠定基礎。

基于用電信息采集系統(tǒng)，確定了從月份、用戶能效等級、月用電量、用表類型、所在臺區(qū)線損、三相電壓不平衡率、三相電流不平衡率、功率因數(shù)、單耗等九個方面對用戶用電狀態(tài)進行評價。用戶用電評價體系如圖1所示。

2? ? 變結構BP神經(jīng)網(wǎng)絡反竊電方法

將圖1中的九項指標作為BP神經(jīng)網(wǎng)絡的輸入來進行竊電用戶的識別，可以提高反竊電的工作效率和識別精度。但是，在實際電力線路中并不一定能獲得圖1中的各個參數(shù)，為此，本文提出了變結構BP神經(jīng)網(wǎng)絡竊電用戶識別方法，其結構如圖2所示。

虛線框內為方法的主要步驟：首先，分析輸入的用戶數(shù)據(jù)，獲取評價指標內的相關參數(shù)，并根據(jù)實際可以獲得的評價指標參數(shù)構建BP神經(jīng)網(wǎng)絡;然后，根據(jù)該神經(jīng)網(wǎng)絡進行用電用戶的識別;最后，對于竊電疑似用戶下發(fā)核查工單進行現(xiàn)場檢查。顯然，不同用戶的可獲取的評價指標參數(shù)不盡相同，從而導致構建的BP神經(jīng)網(wǎng)絡也具有不同的結構。

本文構建的BP神經(jīng)網(wǎng)絡為單輸出多輸入的三層網(wǎng)絡，如圖3所示。

5. 輸出結果處理：提取用戶的歷史數(shù)據(jù)中表征是否存在竊電行為的數(shù)據(jù)作為輸出數(shù)據(jù)，有三種可能的結果：0，1，2。0表示該用電用戶基本沒有竊電可能，竊電嫌疑系數(shù)幾乎為0;1表示該用戶用電信息非正常，存在竊電嫌疑，被列入觀察范圍之內;而2則表示該用戶的用電數(shù)據(jù)存在極大問題，具有很大的竊電嫌疑，是重點觀察對象。

3? ? 算例驗證

本文通過相關部門獲取了用戶用電相關數(shù)據(jù)，并用以驗證所提出的基于大數(shù)據(jù)BP神經(jīng)網(wǎng)絡反竊電技術研究。神經(jīng)網(wǎng)絡的輸入設定為所在臺區(qū)線損、三相不平衡率、功率因數(shù)和單耗四個指標，具體數(shù)據(jù)如表1所示。

設置的BP網(wǎng)絡學習速率為0.1，設訓練的目標誤差為0.001，而設該模型的訓練次數(shù)為1 000。表1中前15行數(shù)據(jù)作為樣本訓練，后5行數(shù)據(jù)進行驗證，結果如圖4和圖5所示。

從圖5仿真結果可以看出，基于BP神經(jīng)網(wǎng)絡的防竊電檢測模型的分類準確率非常高，所以運用BP神經(jīng)網(wǎng)絡進行防竊電具有很強的可行性。

4? ? ?結語

BP神經(jīng)網(wǎng)絡識別竊電用戶相比于傳統(tǒng)的線路數(shù)據(jù)對比方法，具有高效快速的特點。本文從大量的數(shù)據(jù)中選取合適的參數(shù)構建用戶用電評價體系;根據(jù)實際用戶可獲得的數(shù)據(jù)構建變結構的三層BP神經(jīng)網(wǎng)絡模型，實現(xiàn)用戶用電等級的評價;幫助電力公司識別竊電疑似用戶，避免電力生產部門蒙受巨大的經(jīng)濟損失。最終數(shù)值仿真結果證實，本文提出的方法是可行有效的。

參考文獻：

[1] 陳文瑛，陳雁，邱林，等.應用大數(shù)據(jù)技術的反竊電分析[J].電子測量與儀器學報，2016，30（10）：1558-1567.

[2] 霍堯. 基于用電信息采集的智能反竊電系統(tǒng)開發(fā)與應用[D].北京：華北電力大學，2014.

[3] 程超，張漢敬，景志敏，等.基于離群點算法和用電信息采集系統(tǒng)的反竊電研究[J].電力系統(tǒng)保護與控制，2015，43（17）：69-74.

[4] 徐學良.人工神經(jīng)網(wǎng)絡的發(fā)展及現(xiàn)狀[J].微電子學， 2017， 47（2）：239-242.

[5] 向德軍， 王彬， 郭文鑫，等. 基于人工神經(jīng)網(wǎng)絡的電力系統(tǒng)精細化安全運行規(guī)則[J]. 電力系統(tǒng)保護與控制， 2017， 45（18）：32-37.

[6] 劉永春， 劉志峰. 基于BP人工神經(jīng)網(wǎng)絡的發(fā)動機生產作業(yè)環(huán)境綜合評價模型[J]. 合肥工業(yè)大學學報（自然科學版）， 2017， 40（10）：36-41，113.

[7] 朱立忠， 程楠. 人工神經(jīng)網(wǎng)絡的電網(wǎng)故障診斷[J]. 沈陽理工大學學報， 2017， 36（1）：102-106.

[8] 基于人工神經(jīng)網(wǎng)絡的短期電力負荷預測研究[D]. 杭州：浙江大學， 2017.